IFLA Library Reference Model (LRM): The Conceptual Foundation of the Next Generation of Bibliographic Data

Why should every knowledge organization professional know LRM?
For more than two decades, the Functional Requirements for Bibliographic Records (FRBR) family shaped cataloguing theory. However, the emergence of Linked Data, the Semantic Web, and machine-processable metadata revealed limitations in maintaining separate conceptual models. In response, the International Federation of Library Associations and Institutions (IFLA) introduced the IFLA Library Reference Model (LRM), a unified conceptual model that consolidates FRBR, FRAD, and FRSAD into a coherent framework (Riva et al., 2018/2024).

Rather than being merely another cataloguing model, LRM represents a conceptual shift in how bibliographic information is understood. It provides a semantic foundation for modern standards such as RDA, facilitates interoperability with Linked Data technologies, and supports the creation of knowledge graphs and AI-ready bibliographic datasets (Riva et al., 2018/2024).

What Makes LRM Different?
One of the most significant innovations of LRM is the introduction of the super-entity Res, representing anything that can be discussed. Every entity within the model—including Works, Persons, Places, and Timespans—is a specialization of Res. This abstraction simplifies semantic modelling and enables greater consistency across bibliographic data.

LRM also introduces Agent as a generalized entity encompassing both persons and collective agents. Additionally, entities such as Place and Time-span, previously treated merely as descriptive values in many cataloguing environments, become fully defined entities capable of participating in semantic relationships.

These enhancements make LRM substantially more suitable for Linked Data environments than previous FR models (Riva et al., 2018/2024).

Why Does LRM Matter in the AI Era?
Artificial intelligence systems increasingly depend on structured, semantically rich metadata rather than isolated textual records.

LRM contributes to this transformation by:

supporting semantic interoperability;

enabling graph-based knowledge representation;

improving machine understanding of bibliographic relationships;

facilitating metadata reuse across repositories;

serving as the conceptual basis for modern cataloguing standards such as RDA.

As libraries transition from record-based catalogues to interconnected knowledge graphs, LRM becomes the conceptual language that allows machines to interpret bibliographic information rather than merely store it.

Why It Matters
LRM should not be viewed simply as a replacement for FRBR. Instead, it represents the conceptual infrastructure required for libraries to participate in the Semantic Web. As knowledge organization increasingly intersects with artificial intelligence, linked data, and digital cultural heritage, understanding LRM is becoming an essential competency rather than a specialist topic.


مدل مرجع کتابخانه‌ای ایفلا (LRM): زیربنای مفهومی نسل جدید داده‌های کتابشناختی
چرا هر متخصص سازماندهی دانش باید LRM را بشناسد؟
بیش از دو دهه، خانواده مدل‌های FRBR مبنای نظری فهرستنویسی و سازماندهی اطلاعات در کتابخانه‌ها بود. بااین‌حال، گسترش داده‌های پیوندی (Linked Data)، وب معنایی و نیاز به تولید فراداده‌های قابل‌فهم برای ماشین، نشان داد که وجود سه مدل مفهومی مجزا (FRBR، FRAD و FRSAD) محدودیت‌هایی در یکپارچگی داده‌ها ایجاد می‌کند. به همین دلیل، فدراسیون بین‌المللی انجمن‌ها و مؤسسات کتابداری (IFLA) مدل Library Reference Model (LRM) را به‌عنوان یک مدل مفهومی یکپارچه معرفی کرد تا این سه مدل را در قالب یک چارچوب منسجم ادغام کند (Riva et al., 2018/2024).

LRM صرفاً یک استاندارد جدید برای فهرستنویسی نیست؛ بلکه تغییری اساسی در شیوه درک و مدل‌سازی اطلاعات کتابشناختی به شمار می‌آید. این مدل، زیربنای مفهومی استانداردهایی مانند RDA است و امکان استفاده مؤثر از داده‌های کتابخانه‌ای در محیط‌های داده پیوندی، گراف‌های دانش و سامانه‌های مبتنی بر هوش مصنوعی را فراهم می‌کند (Riva et al., 2018/2024).

چه چیزی LRM را متمایز می‌کند؟
یکی از مهم‌ترین نوآوری‌های LRM معرفی موجودیت فراگیر Res است؛ مفهومی که به معنای «هر چیزی که بتوان درباره آن صحبت کرد» تعریف می‌شود. تمامی موجودیت‌های مدل، از اثر و شخص گرفته تا مکان و بازه زمانی، زیرمجموعه‌ای از Res هستند. این رویکرد، مدل‌سازی معنایی را ساده‌تر و روابط میان موجودیت‌ها را منسجم‌تر می‌کند.

نوآوری مهم دیگر، معرفی موجودیت Agent است که هم اشخاص و هم عامل‌های جمعی مانند سازمان‌ها را در قالب یک مفهوم واحد پوشش می‌دهد. همچنین، موجودیت‌هایی مانند Place و Time-span که پیش‌تر معمولاً به‌صورت ویژگی توصیفی ثبت می‌شدند، در LRM به موجودیت‌های مستقل تبدیل شده‌اند و می‌توانند در شبکه‌ای از روابط معنایی مشارکت کنند.

همین تغییرات باعث شده است LRM نسبت به مدل‌های پیشین خانواده FR برای محیط‌های داده پیوندی و وب معنایی مناسب‌تر باشد.

چرا LRM در عصر هوش مصنوعی اهمیت دارد؟
امروزه سامانه‌های هوش مصنوعی برای تحلیل و استدلال، بیش از هر زمان دیگری به داده‌های ساخت‌یافته و غنی از نظر معنایی نیاز دارند.

مدل LRM این امکان را فراهم می‌کند که داده‌های کتابشناختی:

قابلیت تعامل معنایی بیشتری داشته باشند؛

به گراف‌های دانش تبدیل شوند؛

برای ماشین‌ها قابل‌تفسیر باشند، نه صرفاً قابل‌ذخیره؛

در سامانه‌های مختلف بدون از دست رفتن معنا مورد استفاده مجدد قرار گیرند؛

مبنای توسعه استانداردهای نوین مانند RDA قرار گیرند.

به بیان دیگر، اگر کتابخانه‌ها در حال حرکت از «فهرست‌های کتابخانه‌ای» به سمت «شبکه‌های دانش» هستند، LRM زبان مفهومی این تحول است.

چرا این موضوع مهم است؟
در بسیاری از کتابخانه‌ها، هنوز LRM صرفاً نسخه‌ای جدید از FRBR تلقی می‌شود؛ در حالی که چنین برداشتی دقیق نیست. LRM یک چارچوب مرجع مفهومی برای طراحی و تبادل داده‌های کتابشناختی در اکوسیستم وب معنایی است. با گسترش کاربرد هوش مصنوعی، داده‌های پیوندی و گراف‌های دانش در کتابخانه‌ها، آرشیوها و موزه‌ها، آشنایی با LRM به یکی از مهارت‌های کلیدی متخصصان سازماندهی دانش تبدیل خواهد شد.


References:
Riva, P., Le Boeuf, P., & Žumer, M. (2024). IFLA Library Reference Model: A Conceptual Model for Bibliographic Information (Updated ed.). International Federation of Library Associations and Institutions (IFLA). (repository.ifla.org)

Riva, P., & Žumer, M. (2017). The IFLA Library Reference Model, a step toward the Semantic Web. International Federation of Library Associations and Institutions (IFLA). (IFLA Library)

Žumer, M. (2025). IFLA Library Reference Model (LRM). ISKO Encyclopedia of Knowledge Organization. (ISKO)